预测钢网剩余清洗时间的方法、系统及存储介质技术方案

本发明专利技术提出一种预测钢网剩余清洗时间的方法，该方法包括：采集锡膏印刷机的第一数据,对第一数据进行清洗，获得第二数据，采用四分位数法对第二数据进行清洗，获得第三数据；采用高斯滤波法对第三数据进行降噪处理，获得第四数据；采用随机森林法对第四数据进行特征重要性排序，获得第五数据,采用主成分分析法对第五数据降维处理，获得第六数据，采用核主成分分析法对第五数据降维处理，获得第七数据，选择第六数据与第七数据中平顺性最优的数据作为预测数据；将预测数据输入RNN循环神经网络计算，输出钢网的第一剩余清洗时间，防止钢网被过度清洗。本发明专利技术同时提供一种预测钢网剩余清洗时间的系统与一种可存储介质。余清洗时间的系统与一种可存储介质。余清洗时间的系统与一种可存储介质。

【技术实现步骤摘要】
预测钢网剩余清洗时间的方法、系统及存储介质


[0001]本专利技术涉及表面贴装
，尤其涉及一种预测钢网剩余清洗时间的方法、系统及存储介质。

技术介绍

[0002]钢网(stencils)，也就是SMT模板(SMT Stencil)，是一种SMT专用模具。其主要功能是帮助锡膏的沉积；目的是将准确数量的锡膏转移到空PCB上的准确位置，钢网在使用一段时间以后，钢网的网孔可能会堵塞，所以需要对钢网进行清洗。然而，现有的锡膏印刷机对钢网进行清洗的时候，并不能预测钢网的剩余清洗时间，只能设定固定的清洗时间间隔，如设定每间隔4小时清洗，但是实际上钢网还可以继续印刷，不需要这么频繁的清洗间隔，频繁的清洗会造成钢网村坏，所以亟需一种能够预测钢网实际剩余清洗时间的方法，防止钢网因过度清洗而损坏。

技术实现思路

[0003]鉴于以上内容，有必要提出一种预测钢网剩余清洗时间的方法、系统及存储介质，以解决现有技术中无法预测钢网实际剩余清洗时间这一技术问题。
[0004]本申请实施例提供一种预测钢网剩余清洗时间的方法，所述方法包括：
[0005]采集锡膏印刷机的第一数据，其中，所述第一数据包括第一钢网透光率数据、第一3D SPI检测数据；
[0006]对所述第一数据进行清洗，其中，采用透光率观察法对所述第一钢网透光率数据进行清洗，获得第二钢网透光率数据，采用数据分布图法对所述第一3DSPI检测数据进行清洗，获得第二3D SPI检测数据，基于所述第二钢网透光率数据与所述第二3D SPI检测数据生成第二数据；
[0007]采用四分位数法对所述第二数据进行清洗，获得第三数据；
[0008]采用高斯滤波法对所述第三数据进行降噪处理，获得第四数据；
[0009]采用随机森林法对所述第四数据进行特征重要性排序，获得第五数据；
[0010]采用主成分分析法对所述第五数据降维处理，获得第六数据，采用核主成分分析法对所述第五数据降维处理，获得第七数据，选择所述第六数据与第七数据中平顺性最优的数据作为预测数据；
[0011]将所述预测数据输入RNN循环神经网络进行计算，输出钢网的第一剩余清洗时间。
[0012]在一些实施例中，所述第一数据还包括第一状态数据，所述第一状态数据包括维修保养数据、错误代码数据、钢网数据、刮刀数据、环境数据中的至少一种，所述对所述第一数据进行清洗还包括：
[0013]采用孤立森林法对所述第一状态数据进行清洗，获得第二状态数据，基于所述第二钢网透光率数据、所述第二3D SPI检测数据与所述第二状态数据生成第二数据。
[0014]在一些实施例中，所述将所述预测数据输入RNN循环神经网络进行计算之前，所述
方法还包括步骤：
[0015]采用多项式特征提高所述预测数据的维度。
[0016]在一些实施例中，所述将所述数据输入RNN循环神经网络进行训练，RNN循环神经网络输出钢网的剩余清洗时间之后，所述方法还包括步骤：
[0017]依次采用卡尔曼滤波和平滑滤波对所述钢网的第一剩余清洗时间进行优化，输出钢网的第二剩余清洗时间。
[0018]本申请实施例同时提供一种预测钢网剩余清洗时间的系统，所述系统包括：
[0019]存储器，用于存储锡膏印刷机的第一数据；
[0020]处理器，与所述存储器连接，用于，
[0021]采集锡膏印刷机的第一数据，其中，所述第一数据包括第一钢网透光率数据、第一3D SPI检测数据；
[0022]对所述第一数据进行清洗，其中，采用透光率观察法对所述第一钢网透光率数据进行清洗，获得第二钢网透光率数据，采用数据分布图法对所述第一3D SPI检测数据进行清洗，获得第二3D SPI检测数据，基于所述第二钢网透光率数据与所述第二3D SPI检测数据生成第二数据；
[0023]采用四分位数法对所述第二数据进行清洗，获得第三数据；
[0024]采用高斯滤波法对所述第三数据进行降噪处理，获得第四数据；
[0025]采用随机森林法对所述第四数据进行特征重要性排序，获得第五数据；
[0026]采用主成分分析法对所述第五数据降维处理，获得第六数据，采用核主成分分析法对所述第五数据降维处理，获得第七数据，选择所述第六数据与第七数据中平顺性最优的数据作为预测数据；
[0027]将所述预测数据输入RNN循环神经网络进行计算，输出钢网的第一剩余清洗时间。
[0028]在一些实施例中，所所述第一数据还包括第一状态数据，所述第一状态数据包括维修保养数据、错误代码数据、钢网数据、刮刀数据、环境数据中的至少一种。
[0029]在一些实施例中，所述处理器还用于采用孤立森林法对所述第一状态数据进行清洗，获得第二状态数据，基于所述第二钢网透光率数据、所述第二3D SPI检测数据与所述第二状态数据生成第二数据。
[0030]在一些实施例中，所述处理器还用于采用多项式特征提高所述预测数据的维度。
[0031]在一些实施例中，所述处理器还用于采用卡尔曼滤波和平滑滤波进行优化，输出钢网的第二剩余清洗时间
[0032]本申请实施例同时提供一种计算机可读存储介质，包括所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述系统执行时实现如上述所述的方法。
[0033]上述预测钢网剩余清洗时间的方法、系统及存储介质实现了对钢网清洗时间的预测，防止钢网被过度清洗，相较于现有技术，本申请通过对不同数据采用不同的清洗方式，然后再用四分位法进行清洗，进一步降低了异常数据对预测结果的干扰，并且本申请对预测结果进行了二次优化，提高了预测结果的准确度。
附图说明
[0034]图1是本专利技术一实施例提供预测钢网剩余清洗时间的方法的流程示意图。
[0035]图2是本专利技术一实施例的数据分布图。
[0036]图3是本专利技术一实施例的四分位法示意图。
[0037]图4是本专利技术一实施例的高斯滤波示意图。
[0038]图5是本专利技术一实施例的PCA降维示意图。
[0039]图6是本专利技术一实施例的Kernel PCA降维示意图。
[0040]图7是本专利技术一实施例的系统示意图。
[0041]主要元件符号说明
[0042]系统100存储器10处理器20
具体实施方式
[0043]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]本申请实施例提供一种预测钢网剩余清洗时间的方法，所述方法包括：
[0045]采集锡膏印刷机的第一数据，其中，所述第一数据包括第一钢网透光率数据、第一3D SPI检测数据；
[0046]对所述第一数据进行清洗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测钢网剩余清洗时间的方法，其特征在于：所述方法包括：采集锡膏印刷机的第一数据，其中，所述第一数据包括第一钢网透光率数据、第一3D SPI检测数据；对所述第一数据进行清洗，其中，采用透光率观察法对所述第一钢网透光率数据进行清洗，获得第二钢网透光率数据，采用数据分布图法对所述第一3D SPI检测数据进行清洗，获得第二3D SPI检测数据，基于所述第二钢网透光率数据与所述第二3D SPI检测数据生成第二数据；采用四分位数法对所述第二数据进行清洗，获得第三数据；采用高斯滤波法对所述第三数据进行降噪处理，获得第四数据；采用随机森林法对所述第四数据进行特征重要性排序，获得第五数据；采用主成分分析法对所述第五数据降维处理，获得第六数据，采用核主成分分析法对所述第五数据降维处理，获得第七数据，选择所述第六数据与第七数据中平顺性最优的数据作为预测数据；将所述预测数据输入RNN循环神经网络进行计算，输出钢网的第一剩余清洗时间。2.如权利要求1所述的预测钢网剩余清洗时间的方法，其特征在于：所述第一数据还包括第一状态数据，所述第一状态数据包括维修保养数据、错误代码数据、钢网数据、刮刀数据、环境数据中的至少一种，所述对所述第一数据进行清洗还包括：采用孤立森林法对所述第一状态数据进行清洗，获得第二状态数据；基于所述第二钢网透光率数据、所述第二3D SPI检测数据与所述第二状态数据生成第二数据。3.如权利要求2所述的预测钢网剩余清洗时间的方法，其特征在于：所述将所述预测数据输入RNN循环神经网络进行计算之前，所述方法还包括步骤：采用多项式特征提高所述预测数据的维度。4.如权利要求3所述的预测钢网剩余清洗时间的方法，其特征在于：所述将所述数据输入RNN循环神经网络进行训练，RNN循环神经网络输出钢网的剩余清洗时间之后，所述方法还包括步骤：依次采用卡尔曼滤波和平滑滤波对所述钢网的第一剩余清洗时间进行优化，输出钢网的第二剩余清洗时间。5.一种预测钢网剩余清洗时间的系统，其特征在于，所述系...

【专利技术属性】
技术研发人员：刘宇红，张腾，王钰莹，宋精林，刘昭弛，晏川，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：